Doktora Adayı: Umut Çınar
EABD: Bilişim Sistemleri
Tarih: 19.06.2023 / 15:45
Yer: B-116

Özet: Bu çalışmada, ışık mikroskobu ile entegre bir hiper-spektral görüntüleme sistemi (HSI) kullanarak Hepatosellüler Karsinom (HCC) sınıflandırması için yeni bir yöntem sunuyoruz. HCC tanısı alan sağlıklı ve kanserli doku örneklerinden oluşan karaciğer mikro-dizi slaytlarından 270 bant hiper-spektral görüntü elde etmek için özel bir görüntüleme sistemi geliştirdik. Doğru bir sınıflandırma modeli oluşturmak için, 3 boyutlu evrişimlerle (3D-CNN) Evrişimli Sinir Ağları (CNN) kullandık. Bu evrişimler, hiper-spektral küpte hem spektral hem de mekânsal özellikleri içerir ve sağlam bir sınıflandırıcı eğitmek için kullanılır. 3D evrişimler kullanarak, CNN eğitimi sırasında hiper-spektral verilere manuel özellik mühendisliği yapmaya gerek kalmadan otomatik olarak ayırt edici özellikler toplayabiliriz. Önerilen yöntemimiz kompakt olup tıbbi HSI uygulamalarında etkili bir şekilde uygulanabilir. Ayrıca, veri kümesindeki sınıf dengesizliği sorununu, CNN maliyet fonksiyonu olarak odak kayıp fonksiyonunu kullanarak ele aldık. Bu fonksiyon, zor örneklerin öğrenilmesini vurgular ve sınıflar arası dengesizliğin eksikliği nedeniyle meydana gelen aşırı uyumu önler. Deneysel sonuçlarımız, karaciğer kanseri doku sınıflandırmasında hiper-spektral verilerin RGB verilerinden daha iyi performans gösterdiğini ve artan spektral boyutun daha yüksek sınıflandırma doğruluğuna yol açtığını göstermektedir. Ayrıca, kanser doku sınıflandırması için doğru bir sınıflandırıcı eğitmekte spektral ve mekânsal özelliklerin her ikisinin de kritik olduğunu bulduk.